典型文献
基于卷积神经网络的图像分类算法综述
文献摘要：
卷积神经网络(CNN)是目前基于深度学习的计算机视觉领域中重要的研究方向之一.它在图像分类和分割、目标检测等的应用中表现出色,其强大的特征学习与特征表达能力越来越受到研究者的推崇.然而,CNN仍存在特征提取不完整、样本训练过拟合等问题.针对这些问题,介绍了CNN的发展、CNN经典的网络模型及其组件,并提供了解决上述问题的方法.通过对CNN模型在图像分类中研究现状的综述,为CNN的进一步发展及研究方向提供了建议.
文献关键词：
深度学习;卷积神经网络;图像分类;特征提取;过拟合
中图分类号：
作者姓名：
季长清;高志勇;秦静;汪祖民
作者机构：
大连大学物理科学与技术学院,辽宁大连116622;大连大学信息工程学院,辽宁大连116622;大连大学软件工程学院,辽宁大连116622
文献出处：
引用格式：
[1]季长清;高志勇;秦静;汪祖民-.基于卷积神经网络的图像分类算法综述)[J].计算机应用,2022(04):1044-1049
A类：
B类：
图像分类算法,计算机视觉,目标检测,表现出色,特征学习,特征表达,表达能力,推崇,存在特征,样本训练,过拟合,中研
AB值：
0.286576
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
